Seuraava artikkeli auttaa sinua: Kaikki NVIDIAn läpimurrosta sirusuunnittelussa
Viime vuoden NVIDIA GTC:ssä Bill Dally, päätutkija ja yhdysvaltalaisen siruvalmistajan tutkimusjohtaja, panosti tekoälytyökaluilla parantaakseen omia tuotteitaan. Se oli siisti käänteinen myyntipuhe, jota he tekivät. Antaessaan yleiskatsauksen yrityksen T&K-divisioonasta Daly sanoi: “Olemme noin 300 hengen ryhmä, joka yrittää katsoa eteenpäin NVIDIA-tuotteiden suhteen. Olemme kuin kaukovalot, jotka yrittävät valaista asioita kaukaa.”
NVIDIAn tutkimus käyttää tekoälyä sirusuunnitteluun
Tänä vuonna Dalyn ennustuksesta tuli itseään toteuttava ennustus. NVIDIA julkaisi 26. maaliskuuta tutkimuksen siitä, kuinka tekoäly voisi parantaa sirun suunnitteluprosessia. “AutoDMP: Automated DREAMPlace-based Macro Placement” -nimisessä paperissa esitellään uusi AutoDMP-niminen menetelmä erittäin laajamittaisen integroinnin tai VLSI-suunnitteluautomaation parantamiseksi.
VLSI on kriittinen osa sirusuunnittelua, jossa integroitu piiri luodaan yhdistämällä tuhansia transistoreita yhdeksi siruksi. Suuri osa VLSI-suunnittelusta sisältää päätöksen, mihin sijoittaa kymmeniä miljardeja pieniä on-off-kytkimiä, joita kutsutaan transistoreiksi, piipalalle sirujen rakentamiseksi.
Lähde: NVIDIA-blogiviestiNäiden transistorien oikea sijoitus on tärkeä tekijä, joka määrää sirujen kustannukset, nopeuden ja virrankulutuksen. Se on yhtä hyvä kuin huonekalujen sijoittaminen huoneeseen varmistaen optimaalisen tilankäytön. Puolijohdelaitteessa on transistorilohkoja, kuten muistia, analogisia laitteita, kuten PCI-Express-ohjaimet tai muistiohjaimet ja itse ytimet, joita on säädettävä riittävästi.
Anthony Agnesina ja Mark Ren, NVIDIA:n tutkijat keskustelivat blogikirjoituksessa AutoDMP:n eduista makrosijoittelun parantamisessa. “Nämä makrot ovat usein paljon suurempia kuin tavalliset solut, jotka ovat digitaalisen suunnittelun perusrakennuspalikoita. Makrosijoittelulla on valtava vaikutus sirun maisemaan, sillä se vaikuttaa suoraan moniin suunnittelumittareihin, kuten pinta-alaan ja virrankulutukseen.
“Näiden makrojen sijoittelun parantaminen on siis ratkaisevan tärkeää kunkin sirun suorituskyvyn ja tehokkuuden optimoimiseksi. Prosessia on parannettava, kun otetaan huomioon nykyaikaiset monimutkaiset suhteet makrosijoittelun, vakiosolujen sijoittelun ja tuloksena saatavan tehon, suorituskyvyn ja pinta-alan tai PPA-mittareiden välillä.”
Vahvistusoppiminen sirusuunnittelussa
Viime vuosina tehdyt tutkimukset ovat osoittaneet, että uudet menetelmät, kuten vahvistusoppiminen, voivat pysyä jatkuvasti kasvavien sirusuunnittelun monimutkaisuuden mukana. NVIDIA on käyttänyt DREAMPlacea, GPU-kiihdytettyä avoimen lähdekoodin syväoppimisen työkalupakkia, joka julkistettiin ensimmäisen kerran vuonna 2019, automatisoimaan makrojen ja standardisolujen sijoittamisen pitkälti manuaalista prosessia. NVIDIAn tutkimuksessa todettiin, että AutoDMP on laskennallisesti tehokkaampi tekniikka, joka voi optimoida 2,7 miljoonan solun ja 320 makron suunnittelun kolmessa tunnissa yhdellä NVIDIA DGX Station A100:lla.
Sirujen valmistajat ovat pyrkineet parantamaan suunnitteluprosessin tehokkuutta tekoälyn avulla, koska Mooren laki näyttää epäonnistuvan. Daly korosti, kuinka tärkeä paperi oli. “Et todella saa enää taloudellista hyötyä tuosta skaalauksesta. Jotta voimme jatkaa eteenpäin ja tarjota enemmän arvoa asiakkaille, meidän on oltava älykkäitä suunnittelun kanssa. Emme saa sitä halvemmista transistoreista”, hän totesi.
Teksasin yliopisto julkaisi viime vuonna vahvistusoppimista käyttävän tutkimuksen ja lisäsi toisen AI-kerroksen sirujen suorituskyvyn parantamiseksi.
Tohtori Jiang Hu, Texas A&M -yliopiston sähkö- ja tietokonetekniikan laitoksen professori, sanoi: “Koneoppiminen on aivan erilaista kuin perinteiset tekniikat. Nämä tekevät kaiken tyhjästä, kun taas koneoppimisella on kyky poimia tietoa aikaisemmista suunnitelmista ja käyttää tietoa uudelleen, mikä on paljon tehokkaampaa.
Vuonna 2021 joukko Googlen tutkijoita, mukaan lukien Azalia Mirhoseini ja Anna Goldie, julkaisi artikkelin Luonto nimeltään “Kaaviosijoittelumenetelmä nopeaan sirusuunnitteluun”, joka osoitti ensin, kuinka tekoäly pystyi viimeistelemään pohjapiirroksen siruissa nopeammin ja paremmin kuin insinöörit.
Edistyminen pysyäksesi kilpailluilla markkinoilla
Tehtyään tärkeitä ilmoituksia tämän vuoden GTC:ssä, joka pidettiin viime viikolla, NVIDIA ottaa selvää edistystä sirunvalmistuksessa. Toimitusjohtaja Jensen Huang puhui siitä, kuinka yhtiö on myös ottamassa käyttöön uutta ohjelmistoa, nimeltään cuLitho, nopeuttaakseen sirujen suunnittelua ja valmistusta. Ohjelmiston odotetaan nopeuttavan vaihetta sirun suunnittelun ja sirun suunnittelun piille tulostamiseen käytettävien litografiamaskien fyysisen valmistuksen välillä.
NVIDIA yrittää vallata osan tästä alueesta, kun maailman suurimmat teknologiayritykset siirtyvät omaan sirusuunnitteluun, mikä uhkaa kaataa alan voimatasapainon. Apple, Google, Amazon, Microsoft, Tesla ja muut tekniikan voimalaitokset tekevät kaikki omia mukautettuja sirujaan, jotka pakottavat siruyritykset lähtemään puolustuskannalle. Huolimatta GTC:ssä tehdyistä ilmoituksista, NVIDIA tarjoaa enemmän.
